英特尔CEO帕特·基辛格详述英特尔推进实现温室气体减排和气候目标的路径图
近日,英特尔正式发布气候转型行动方案,详细介绍了英特尔减少碳足迹的路径。与本次方案同时发布的,还有来自英特尔CEO帕特·基辛格的一封信,信中详细介绍了这份报告,并概述了英特尔对推进可持续的商业实践的承诺。
全球正在迅速扩张,计算能力已成为地球上每个人拥有更多机会、更美好未来的基础,它有能力让各行各业变得更加可持续,并为应对气候变化提供新的解决方案。我们都正利用硅的神奇力量不断推动经济发展,这些微小的芯片对维持和赋能我们的现代生活至关重要。当我们继续讨论摩尔定律带来的指数级增长时,也必须认识到可持续的重要性。
在英特尔,我们致力于提供驱动世界前进的芯片,同时尽可能降低环境足迹。2022年,我很自豪地宣布英特尔的目标是到2040年,在全球运营中实现温室气体净零排放。今年,我们将这一目标又向前推进了一步,并承诺到2050年,在整个价值链中实现上游温室气体净零排放。
英特尔的气候转型行动方案展示了实现这些至关重要的目标的路径图,并进一步表明了英特尔将可持续发展贯穿到业务的方方面面,在运营和价值链中保持弹性,并持续促进创新的决心。我们的研究团队正着眼于未来十年、甚至更长的时间,目前已经开始使用更为环保的化学品、改进设备设计和设施系统,并提供更节能的产品。
减少温室气体排放是行业面临的最为复杂的挑战之一。作为半导体行业和计算创新领域的全球领先厂商,英特尔正在携手千行百业的合作伙伴,共同实现可持续计算。我们是半导体研究联盟的创始成员,也是驱动半导体供应链可再生电力“催化”项目的赞助方,这些都充分证明了我们要迈向可持续未来的决心。
在可持续制造和能效创新方面,我们引领着半导体行业的发展,对此我们深感自豪,但我们也不会低估未来即将面临的挑战。英特尔始终以我们的宏旨推动前进——创造改变世界的技术,造福地球上每一个人, 这包括为子孙后代留下一个更美好的世界。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。